本页目录7
AI 摘要 · 2 处待复核整理于 2026-09-29原文：Agents you can coach: how Asana builds human-agent teams with Claude(Anthropic)子代理与多 Agent工作流权限与安全
要点速览
- 先把散落在 Slack、Zoom、文档里的想法整理成项目和任务，再交给 agent 处理
- 给每个 agent 写清楚角色、指令和职责，并明确限定它能访问的项目、文档、应用和操作
- 「使用」agent 和「训练」agent 要分开：人人可以反馈，只有指定的管理员和编辑者才能把反馈写入长期记忆
- agent 的研究计划和步骤发布在共享任务里，让团队成员可以评论和引导
- Asana 已把产品问答、续约风险简报、工程周期规划三类工作交给 agent
本文是对官方博文的中文要点摘要，完整内容以原文为准。原文链接：https://claude.com/blog/agents-you-can-coach-how-asana-builds-human-agent-teams-with-claude
说明：这篇文章讲的不是 Claude Code 命令或技巧，而是 Asana 如何把基于 Claude 的 agent 放进团队协作流程，属于 agent 开发与治理方面的实践。
核心思路
Asana 没有另建一套独立的 AI 系统，而是把 agent 放进自己的 Work Graph® 模型。agent 和人一样有角色，可以被分配任务、发送消息，工作也会出现在活动流里。团队用「教练」的方式培养 agent，而不是把它当成一个黑盒工具。
每个 agent 都有一份档案，列出：
- 用途
- 授权使用者和管理员
- 技能
- 集成
- 权限
实践一：先把工作结构化，再让 agent 动手
把 Slack、Zoom、文档里的非结构化想法，先转成项目和任务，再交给 agent。工作本身有结构，agent 才有清晰的对象可以处理。
实践二：给每个 agent 明确的角色、工具和权限
- 创建前先定义角色。写下 agent 的目的、指令和负责的工作，做法类似写新人入职文档。
- 明确限定访问范围。决定它能碰哪些项目、文档、应用，以及能执行哪些操作。
- 文中提到的集成包括 Google Drive、Slack、Zoom、Databricks、Google Docs、Hubspot，还提到了 Asana 的 MCP server。
实践三：把「使用」和「训练」分开
| 角色 | 能做什么 |
|---|---|
| 任何使用者 | 对任务结果给出反馈 |
| 指定的管理员和编辑者 | 把反馈提交到永久记忆、修改行为、删除已存储的信息 |
配套做法：
- 让掌握标准的团队去管理对应的 agent，比如品牌调性由负责品牌的团队担任管理员。
- 迭代地积累记忆：让 agent 记住有价值的决定，或删掉过时的内容。
实践四：让 agent 的工作对所有人可见
agent 的研究计划和执行步骤会发在共享任务里，团队成员可以评论、指导，把产出引向想要的结果。把 agent 放在团队本来就做评审的地方，请求、反馈和产出都能留在同一处。
Asana 交给 agent 的三类工作
- Slack 频道里的产品问答：把问题转成任务，依据已批准的指引给出带来源的回答；指引里没有的，就升级到产品需求入口。
- 风险续约简报：读取全球范围内的续约任务，生成每日摘要，按三类整理（积极势头、消极势头、建议跟进事项），并按地区切分。
- 工程周期规划（Command by Asana）：根据客户反馈填充尚未规划的看板，并用多种情景预测周期能否完成。文中提到团队空间面向 10 到 12 名工程师的规模。
可借鉴之处
- 把 agent 当作有岗位说明、有权限边界的团队成员来设计。
- 用权限分层控制谁能改变 agent 的长期行为。
- 让过程留在共享空间，便于纠偏，也便于建立信任。
以上是对原文的提炼。具体产品细节和完整案例请阅读原文。